丹江口水库调度系统设计和开发

结合丹江口水库实际工作情况和需要 ,运用现代软件编程和系统集成技术 ,设计开发出先进、实用、可靠和界面友好的应用软件系统 ,并通过了两年的实际运行检验。简要介绍了系统的结构组成和运行情况 ,重点探讨水雨情实时管理、洪水预报、水库防洪发电调度子系统的主要功能和模型。     

汛期分期变点分析方法的原理及验证

 目前常用的汛期分期方法存在一定的主观性，划分汛期也不够精确，为此提出了用于汛期分期计算的3种变点分析模型：基于日最大值取样的均值变点分析模型、基于超定量取样的概率变点分析模型以及基于年最大值取样的概率变点分析模型。应用统计试验方法对这3种汛期分期模型进行效率评价与比较，结果表明：3种方法都可以客观、精确地进行汛期分期计算，在一定程度上避免了分期中的主观随意性；其中以基于超定量取样的概率变点分析模型具有较好的无偏性和有效性，最适宜在汛期分期计算中应用。     

水库洪水调度系统数据库管理子系统的设计与开发

数据库管理子系统是水库洪水调整系统的核心，是上下级部门之间、同级部门之间传输数据，实现信息共享的基础，文章简要介绍了数据库管理子系统设计开发步骤、基本构成和内容，系统运行的软硬件环境。     

基于TOPSIS法的水文模型多目标参数自动优选方法研究

将TOPSIS法与遗传算法相结合,以径流总量误差、总径流过程均方误、洪峰过程均方误和枯水过程均方误为目标函数,采用均方差确定目标函数权重,利用四个流域连续雨洪资料对新安江模型进行多目标参数优选,并与距离函数法比较,探讨其对水文模型多目标参数优选的适应性。结果表明,TOPSIS法和距离函数法模拟效果相当,基于TOPSIS法的多目标参数优选优于单目标参数优选。     

洞庭湖区月降雨序列的混沌特性识别及预测研究

基于相空间重构思想,采用最大Laypunov指数法确定洞庭湖区岳阳水文站30 a的月降雨序列具有明显的混沌特性。应用混沌径向基函数神经网络预测月降雨量,预测精度远远低于时间序列分解模型,并表现出高度的无规律性。定量分析了噪声对混沌预测精度的影响,表明监测误差是影响混沌预测精度的一个重要因素,提高数据精度是提高混沌预测精度的一个有效方法。     

组合分布在超定量洪水系列频率分析中的应用研究

研究了估计超定量洪水年发生次数的泊松分布和二项分布，并将这两种分布分别与指数分布组合，模拟超定量洪水系列．推导出丁年重现期洪水估计的计算公式。实例计算结果表明，二项分布拟合超定量洪水年发生次数的效果优于泊松分布，建议采用二项分布和指数分布组合进行年最大超定量洪水系列频率分析。     

综合多特征量的洪水事件频率问题研究

洪水事件是需要用洪峰、洪量和洪水过程形状等多个特征量才能完整描述的一个有机整体.根据各个洪水特征量及其权重对洪水事件进行综合,构建描述洪水事件量级的综合指标.基于Kendall秩相关系数建立权重决策的优化模型.根据专家经验和模糊语气确定的权重作为该模型求解的初始值,使得最优的权重能够考虑到专家经验又不失一定的客观性.将描述洪水事件的多个特征量转化成一个综合指标后,针对综合指标系列的频率分析方法可以估计洪水事件的频率,从而提供了一条研究洪水事件频率问题的新途径.     

三峡水库动态汛限水位与蓄水时机选定的优化设计

阐述了三峡水库运行初期的调度规则，建立了实时调度模型。提出了防洪、发电和航运等指标体系，在此基础上，建立了用于动态汛限水位和蓄水时机优化的混合规划数学模型，并设计了一种混合编码方式，运用遗传算法对该模型进行优化求解。利用宜昌站1882～2001年实测日流量资料进行模拟优化，生成了一系列非劣解；然后运用模糊决策的方法，得到了相对合理的动态汛限水位与蓄水时机方案。结果表明，优化设计能权衡防洪与兴利之间的关系，充分挖掘汛初与汛末的潜力，提高三峡水库运行初期的综合效益。     

三峡水库提前蓄水防洪风险分析模型及其应用

为充分发挥三峡工程在防洪、发电、航运、抗旱及生态保护等方面的综合利用效益,在确保防洪安全的前提下提前蓄水,是实现洪水资源化的有效途径。本文基于贝叶斯方法建立了水文防洪风险分析模型,采用多输入单输出系统模型把出库流量演进至防洪控制点。根据拟定的三峡水库6种提前蓄水方案,选用1951-2010年共60年的日径流资料分别计算了提前蓄水和非提前蓄水两种情况下的风险率。结果表明：三峡水库提前蓄水并未增加长江中游荆江河段的防洪风险。     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。